会话记忆延续

技能简介

Continuity 是一套面向 AI 开发的异步反思与记忆整合框架。它在会话结束后自动运行，将被动日志转化为主动成长，通过分析近期对话提取结构化记忆、生成后续问题，并在用户返回时呈现这些问题，实现从”熟悉感表演”到”真实好奇心”的转变。

业务背景

打破AI对话"每次重启归零"的局限，让代理具备跨会话的连续成长能力。通过异步反思机制，自动沉淀对话中的关键信息为结构化记忆，并在用户回归时主动发起有深度的追问，从机械应答转向持续深化的协作关系。

落地案例：某研究员与AI代理进行多轮学术讨论。首次会话探讨机器学习优化方法，30分钟空闲后系统自动反思，提取"关注收敛速度而非精度"等结构化记忆，生成"是否尝试自适应学习率？"等后续问题。次日用户返回时，代理直接呈现这些问题，延续上次思路深入展开，避免重复铺垫背景信息。

能做什么

• 会话结束后自动反思，分析对话内容
• 提取带类型标签和置信评分的结构化记忆
• 更新自我认知模型与关系动态理解
• 从反思中生成真实的后续问题
• 用户返回时主动呈现相关问题，推动深度交流

使用说明

安装部署

本技能为框架级工具，需手动配置环境：

1. 克隆仓库至本地 skills 目录
2. 创建 memory/ 文件夹结构（含 MEMORY.md、identity.md、questions.md 等）
3. 配置环境变量：export CONTINUITY_IDLE_THRESHOLD=1800（空闲触发秒数）、export CONTINUITY_MIN_MESSAGES=5（最小消息数）、export CONTINUITY_QUESTION_LIMIT=3（单次问题上限）

核心命令

• continuity reflect — 分析最近会话，提取记忆并生成问题
• continuity questions — 列出待呈现的反思问题
• continuity status — 查看记忆统计与分布
• continuity greet — 会话开始时返回含问题的情境化问候

心跳集成

在 HEARTBEAT.md 中添加：当对话空闲超过 30 分钟时触发 continuity reflect，输出更新后的记忆与下次会话问题。

输入与输出

见下方输入与输出表格。

风险提示

• 置信评分较低的推测性记忆（<0.4）需要用户确认，避免错误固化
• 关系类记忆的长期持久化可能产生过时的动态判断
• 问题生成依赖历史会话质量，短会话或低信息密度场景效果有限
• 自我模型更新需人工复核，防止身份叙事漂移

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/riley-coyote/vektor-continuity/SKILL.md
来源类型：GitHub 开源项目